MétaCan
Menu
Retour à la cohorte
Enregistrement W2930500067 · doi:10.1007/s40259-019-00346-5

Different Policy Measures and Practices between Swedish Counties Influence Market Dynamics: Part 2—Biosimilar and Originator Etanercept in the Outpatient Setting

2019· article· en· W2930500067 sur OpenAlexaboutno aff
Evelien Moorkens, Steven Simoens, Per Troein, Paul Declerck, Arnold G. Vulto, Isabelle Huys

Notice bibliographique

RevueBioDrugs · 2019
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBiosimilars and Bioanalytical Methods
Établissements canadiensnon disponible
Organismes subventionnairesStockholms Läns Landsting
Mots-clésBiosimilarMarket shareMedical prescriptionEtanerceptPharmacyPrior authorizationBusinessReimbursementMedicineQuarter (Canadian coin)MarketingFamily medicinePublic economicsHealth careEconomicsEconomic growthNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diverging approaches towards market entry and uptake of biosimilars, even within a country, leads to regional variation in biosimilar use. This is the case in Sweden, where the 21 county councils control the healthcare budget and offer regional guidance. OBJECTIVES: This study aimed to analyse the market dynamics of originator and biosimilar etanercept (outpatient setting) in the different counties of Sweden, and examine the influence of local policy measures and practices, in addition to national policy. METHODS: This study was performed in three steps: (1) a structured review of the literature on (biosimilar) policies in Sweden; (2) analysis of market data on the counties' originator and biosimilar etanercept uptake (quarter two 2012 to quarter four 2017) provided by IQVIA™; and (3) discussion of findings in face-to-face semi-structured interviews with the national pricing and reimbursement agency, key experts in the county councils of Skåne, Västra Götaland and Stockholm, and an industry representative. RESULTS: Notwithstanding the existence of a national managed entry agreement for etanercept, wide variations in biosimilar market shares between counties were observed (40-82% in 2017). Over time, early and late adopters of biosimilar etanercept can be distinguished. In quarter four 2017, biosimilar market shares of all counties slightly decreased in accordance with the lower priced originator product from 1 October 2017. As prescriptions for treatment with etanercept are often provided for a year, two approaches are possible to switch patients: active pullback of prescriptions resulting in additional workload, or wait until the patient's next visit. Qualitative analysis indicated that the choice to use the biosimilar or the originator product depends on differences in rebated prices of the biosimilar and originator product, the presence of key opinion leaders, local guidelines, and financial streams and local gainsharing arrangements. Our estimates of current rebated prices and costs after gainsharing for the county councils and Government reveal only limited price differences between products. CONCLUSIONS: Regional variations in use of biosimilar etanercept can be seen although prices are coordinated nationally. This suggests that counties react differently to price differences and highlights the role of local policy and attitudes of stakeholders towards biosimilars and switching. It seems that some counties are hesitant to switch patients, as it is associated with an increased administrative workload that might not be compensated for by savings associated with a lower priced product.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,299
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioDrugsMême sujetBiosimilars and Bioanalytical MethodsTravaux en français237 207